|
|
Reálná úloha dobývání znalostí
Trondin, Anton ; Berka, Petr (vedoucí práce) ; Chudán, David (oponent)
Diplomová práce nese název "Reálná úloha dobývání znalostí", bude rozdělena na dvě velké části, a to na teoretickou a praktickou. V praktické části jsou popsané základní pojmy data mining, jednotlivé metody a typy úloh používaných pří dobývání znalosti z databáze a algoritmy relevantní pro tuto oblast problematiky. Velká kapitola je věnovaná metodice CRISP-DM a jednotlivým fázím dobývání znalostí z databáze, která bude použitá jako hlavní metodika při realizace praktické části diplomové práce, přičemž nebude zapomenuto i na ostatní méně známé a používané metodiky z dané oblasti. Na závěr teoretické části je prezentován seznam, jak placeného, tak volně dostupného softwaru, který lze použit pro dobývání znalostí z databáze. Druhá velká část diplomové práce se bude věnovat praktickému použití metodiky CRISP-DM podle jednotlivých kroků, které obsahuje nad reálnými daty z oblasti mobilní telekomunikace. Hlavní data mining úloha, která se řeší v praktické části, je predikce odhadu zákazníků mobilního operátora. Software pro dobývání znalostí z databáze byl zvolen mně známy IBM SPSS Modeler. Klíčová slova: data mining, dobývání znalostí z databáze, churn management, predikce, CRISP-DM
|
|
|
Reálná úloha dobývání znalostí
Pešek, Jiří ; Berka, Petr (vedoucí práce) ; Máša, Petr (oponent)
Diplomová práce "Reálná úloha dobývání znalostí" se ve své praktické části zabývá predikcí odchodu zákazníků mobilního operátora. Úloha je řešena nad reálnými daty telekomunikační společnosti a pokrývá všechny kroky procesu dobývání znalostí. V souladu s metodikou CRISP-DM práce detailně rozebírá tyto fáze: porozumění problematice, porozumění datům, příprava dat, modelování, vyhodnocení výsledků a využití výsledků. Coby systém pro dobývání znalostí byl zvolen nástroj IBM SPSS Modeler. V úvodní kapitole teoretické části se čtenář seznámí s problematikou tzv. churn managementu, do níž spadá řešená úloha, nechybí zde vymezení základních pojmů v rámci data miningu. Pozornost je věnována rovněž základním typům úloh dobývání znalostí a algoritmům, které jsou relevantní ke zvolené úloze (rozhodovací stromy, regrese, neuronové sítě, bayesovské sítě a SVM). Samostatnou kapitolu tvoří metodiky popisující jednotlivé fáze procesu dobývání znalostí, přičemž větší prostor je věnován metodice CRISP-DM, z níž se vycházelo při řešení praktické úlohy. V závěru teoretické části jsou zmíněny komerční i volně dostupné systémy pro dobývání znalostí.
|
|
|
Aplikace Business Intelligence v telekomunikačním sektoru
Višňová, Marika ; Novotný, Ota (vedoucí práce) ; Slánský, David (oponent)
Čtenář bakalářské práce z kontextu pochopí logickou souvztažnost mezi děním na trhu telekomunikačního sektoru a potřebou orientace společnosti na zákazníka a tím i na Churn management. V práci jsou popsány principy a komponenty Business Intelligence a dolování dat, které tvoří technologický základ Churn managementu. V poslední kapitole, která je věnována samotnému Churn managementu, je ukázáno jak probíhá vytvoření prediktivního modelu dle metodiky CRISP-DM, což by mělo alespoň zprostředkovaně přiblížit Churn management v praxi.
|
host ::
RSS.